【技术实现步骤摘要】
基于特征选优及可视化的心音分类装置
[0001]本专利技术涉及心音信号处理
,特别是涉及基于特征选优及可视化的心音分类装置。
技术介绍
[0002]本部分的陈述仅仅是提到了与本专利技术相关的
技术介绍
,并不必然构成现有技术。
[0003]心血管疾病 (Cardiovascular diseases, CVDs)是对人类健康的主要威胁,与全世界的高死亡率有关。在心血管疾病的发展过程中,心音比心电图(electrocardiogram,ECG)等其他信号更早地反映出心血管疾病的特征。心音听诊的准确性主要取决于临床医生的经验。研究表明,不同的临床医生对心音诊断的判断不同,心血管疾病专家的准确率相对较高,而普通医生的准确率往往较低,诊断结果极易受到人为因素的影响。因此,心音信号的自动检测对心血管疾病的早期诊断有重要意义。
[0004]已有众多学者在自动心音检测领域做出了重大贡献,基于传统的机器学习算法需要手动提取和分析特征,特征的质量主要取决于研究人员的经验,研究人员的经验会影响最终的分类准确性。
技术实现思路
[0005]为了解决现有技术的不足,本专利技术提供了基于特征选优及可视化的心音分类装置;小波散射特征与时频图的时间域特征能够有效提高分类精度,更有助于心音信号的检测,多路径网络提取的特征更具有特征互补的优势,能够有效提高分类的准确性。
[0006]基于特征选优及可视化的心音分类装置,包括:获取模块,其被配置为:获取待分类的心音信号;预处理模块,其被配置为:对待分类的心音信号 ...
【技术保护点】
【技术特征摘要】
1.基于特征选优及可视化的心音分类装置,其特征是,包括:获取模块,其被配置为:获取待分类的心音信号;预处理模块,其被配置为:对待分类的心音信号进行小波散射变换,得到小波散射系数;对待分类的心音信号进行连续小波变换,得到时频图;分类模块,其被配置为:将小波散射系数和时频图,均输入到训练后的心音信号分类模型中,输出心音信号分类结果;所述训练后的心音信号分类模型,用于:对小波散射系数进行特提取得到小波散射特征;对时频图进行空间域特征提取,得到时频图的空间域特征;对时频图进行时间域特征提取,得到时频图的时间域特征;对提取的每一种特征均进行特征优选,将优选后的特征进行特征融合,对融合后的特征进行特征分类,得到心音信号分类结果,对心音信号分类结果进行可视化。2.如权利要求1所述的基于特征选优及可视化的心音分类装置,其特征是,所述将小波散射系数和时频图,均输入到训练后的心音信号分类模型中,输出心音信号分类结果,其中,训练后的心音信号分类模型,包括:并列的三个分支:第一分支、第二分支和第三分支;所述第一分支,是长短时记忆网络,所述长短时记忆网络的输入端用于输入小波散射系数,所述长短时记忆网络的输出端用于输出小波散射特征;所述第二分支,是空间注意力网络,所述空间注意力网络的输入端用于输入时频图,所述空间注意力网络的输出端用于输出时频图的空间域特征;所述第三分支,是时间注意力网络,所述时间注意力网络的输入端用于输入时频图,所述时间注意力网络的输出端用于输出时频图的时间域特征;所述第一分支的输出端与第一特征优选模块进行连接,第一特征优选模块对小波散射特征采用特征筛选算法筛选出A个特征;所述第二分支的输出端与第二特征优选模块进行连接,第二特征优选模块对时频图的空间域特征采用特征筛选算法筛选出B个特征;所述第三分支的输出端与第三特征优选模块进行连接,第三特征优选模块对时频图的时间域特征采用特征筛选算法筛选出C个特征;其中,A,B和C均为正整数;特征融合模块对A个特征、B个特征和C个特征进行特征串联融合处理;分类器,对融合后的特征进行分类,输出分类结果。3.如权利要求2所述的基于特征选优及可视化的心音分类装置,其特征是,所述装置还包括:A,B和C的具体数值是通过对心音信号分类模型进行训练得到的,其中,训练后的心音信号分类模型,训练过程包括:构建训练集,所述训练集为已知心音信号分类标签的心音信号;将训练集,输入到心音信号分类模型中,模型对其进行训练;心音信号分类模型的第一分支,提取到N个小波散射特征;N为正整数;心音信号分类模型的第二分支,提取到N个时频图的空间域特征;心音信号分类模型的第三分支,提取到N个时频图的时间域特征;对N个小波散射特征、N个时频图的空间域特征和N个时频图的时间域特征进行串联特
征融合,得到3N个融合特征;根据设定的目标融合特征的总数量Mi,采用设定的第一特征筛选算法对3N个融合特征进行筛选,筛选出Mi个目标融合特征,对Mi个目标融合特征中所包括的ai个小波散射特征、bi个时频图的空间域特征、ci个时频图的空间域特征进行记录;以此类推,得到目标融合特征不同总数量Mi所对应的三个分支不同的记录数据ai,bi和ci;更换第一特征筛选算法为设定的第二特征筛选算法,采用第二特征筛选算法对3N个融合特征进行筛选,得到目标融合特征不同总数量所对应的三个分支不同的记录数据;以此类推,得到不同特征筛选算法下,目标融合特...
【专利技术属性】
技术研发人员:魏守水,田淑众,韩宝坤,刘磊,李永建,
申请(专利权)人:山东农业工程学院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。